精品文档 精品文档 环境微生物群落多样性分析 微生物群落多样性的基本概念

环境中微生物的群落结构及多样性和微生物的功能及代谢机理是微生物生态学的研究热点。长期以来，由于受到技术限制，对微生物群落结构和多样性的认识还不全面，对微生物功能及代谢机理方面了解的也很少。但随着高通量测序、基因芯片等新技术的不断更新，微生物分子生态学的研究方法和研究途径也在不断变化。第二代高通量测序技术（尤其是Roche 454高通量测序技术）的成熟和普及，使我们能够对环境微生物进行深度测序，灵敏地探测出环境微生物群落结构随外界环境的改变而发生的极其微弱的变化，对于我们研究微生物与环境的关系、环境治理和微生物资源的利用以及人类医疗健康有着重要的理论和现实意义。 在国内，微生物多样性的研究涉及农业、土壤、林业、海洋、矿井、人体医学等诸多领域。以在医疗领域的应用为例，通过比较正常和疾病状态下或疾病不同进程中人体微生物群落的结构和功能变化，可以对正常人群与某些疾病患者体内的微生物群体多样性进行比较分析，研究获得人体微生物群落变化同疾病之间的关系；通过深度测序还可以快速地发现和检测常见病原及新发传染病病原微生物。 研究方法进展

环境微生物多样性的研究方法很多，从国内外目前采用的方法来看大致上包括以下四类：传统的微生物平板纯培养方法、微平板分析方法、磷脂脂肪酸法以及分子生物学方法等等。 近几年，随着分子生物学的发展，尤其是高通量测序技术的研发及应用，为微生物分子生态学的研究策略注入了新的力量。 目前用于研究微生物多样性的分子生物学技术主要包括:DGGE/TGGE/TTGE、T-RFLP、SSCP、FISH、印记杂交、定量PCR、基因芯片等。DGGE等分子指纹图谱技术，在其实验结果中往往只含有数十条条带，只能反映出样品中少数优势菌的信息；另一方面，由于分辨率的误差，部分电泳条带中可能包含不只一种16S rDNA序列，因此要获悉电泳图谱中具体的菌种信息，还需对每一条带构建克隆文库，并筛选克隆进行测序，此实验操作相对繁琐；此外，采用这种方法无法对样品中的微生物做到绝对定量。生物芯片是通过固定在芯片上的探针来获得微生物多样性的信息，“只能验证已知，却无法探索未知”，此方法通过信号强弱判断微生物的丰度也不是非常的准确。 而近年来以454焦磷酸测序为代表的高通量测序技术凭借低成本、高通量、流程自动化的优势为研究微生物群落结构提供了新的技术平台。Roche 454高通量测序技术能同时对样品中的优势物种、稀有物种及一些未知的物种进行检测，获得样品中的微生物群落组成，并将其含量进行数字化。最近，美吉生物精品文档 精品文档 推出了新的测序平台———MiSeq。MiSeq高通量测序平台集中了Roche 454和Illumina HiSeq 2500的优点，不仅可实现对多样品的多个可变区同时测序，而且在测序速度和测序通量上都有进一步提升，目前此平台已在微生物多样性群落结构研究方面受到了广大学者的认可。 第二代高通量测序技术

产品优势 无需培养分离菌群： 直接从环境样本中扩增核糖体RNA 高变区进行测序，解决了大部分菌株不可培养的难题。 客观还原菌群结构： 专业、成熟、稳定的样本制备流程，严格控制PCR 循环数，客观还原样品本身的菌群结构及丰度比例。 痕量菌检测： 充分发挥高通量测序的大数据量优势，能检测出丰度低至万分之一的痕量菌。 服务流程 精品文档

精品文档 样本要求 环境样品 土壤：5-10g； 水体：2L水样或0.22μm滤膜过滤； 粪便：3g； 黏膜：指甲大小； 植物内生菌：10-20g叶片；3-5g根系； 精品文档 精品文档 底泥：5-10g； 血液：10mL； 叶片：50-100g。

DNA 浓度＞10ng/μL 总量＞500ng的DNA， OD260/280介于1.8-2.0之间并确保DNA无降解。

PCR产物 （仅限Roche 454平台） PCR产物浓度＞5ng/μL，总量＞100ng，OD260/280介于1.8-2.0之间并确保PCR产物无降解； PCR产物需经电泳切胶回收纯化； 送样管管口使用 Parafilm封口膜密封； 样品保存期间切忌反复冻融，使用干冰运输。 生信分析

1. 稀释性曲线（Rarefaction Curve） 采用对测序序列进行随机抽样的方法，以抽到的序列数与它们所能代表OTU的数目构建曲线，即稀释性曲线。 精品文档 精品文档 当曲线趋于平坦时，说明测序数据量合理，更多的数据量对发现新OTU的边际贡献很小；反之则表明继续测序还可能产生较多新的OTU。

横轴：从某个样品中随机抽取的测序条数；"Label 0.03" 表示该分析是基于OTU 序列差异水平在0.03，即相似度为97% 的水平上进行运算的，客户可以选取其他不同的相似度水平。 纵轴：基于该测序条数能构建的OTU数量。 曲线解读： Ø 图1中每条曲线代表一个样品，用不同颜色标记； Ø 随测序深度增加，被发现OTU 的数量增加。当曲线趋于平缓时表示此时的测序数据量较为合理。 2. Shannon-Wiener 曲线 反映样品中微生物多样性的指数，利用各样品的测序量在不同测序深度时的微生物多样性指数构建曲线，以此反映各样本在不同测序数量时的微生物多样性。 当曲线趋向平坦时，说明测序数据量足够大，可以反映样品中绝大多数的微生物物种信息。 精品文档

精品文档 横轴：从某个样品中随机抽取的测序条数。 纵轴：Shannon-Wiener 指数，用来估算群落多样性的高低。

Shannon 指数计算公式： 其中， Sobs= 实际测量出的OTU数目； ni= 含有i 条序列的OTU数目； N = 所有的序列数。 曲线解读： Ø 图2每条曲线代表一个样品，用不同颜色标记，末端数字为实际测序条数； Ø 起初曲线直线上升，是由于测序条数远不足覆盖样品导致； Ø 数值升高直至平滑说明测序条数足以覆盖样品中的大部分微生物。 3.Rank-Abundance 曲线 用于同时解释样品多样性的两个方面，即样品所含物种的丰富程度和均匀程度。 精品文档 精品文档 物种的丰富程度由曲线在横轴上的长度来反映，曲线越宽，表示物种的组成越丰富； 物种组成的均匀程度由曲线的形状来反映，曲线越平坦，表示物种组成的均匀程度越高。

横轴：OTU 相对丰度含量等级降序排列。 纵轴：相对丰度比例。 曲线解读： Ø 图3与图4中每条曲线对应一个样本（参考右上角图标）； Ø 图3与图4中横坐标表示的是OTU（物种）丰度排列顺序，纵坐标对应的是OTU（物种）所占相对丰度比例（图3为相对百分比例，图4为换算后Log值），曲线趋于水平则表示样品中各物种所占比例相似；曲线整体斜率越大则表示样品中各物种所占比例差异较大。 4. 样本群落组成分析：多样本柱状图/ 单样本饼状图 根据分类学分析结果，可以得知一个或多个样品在各分类水平上的物种组成比例情况，反映样品在不同分类学水平上的群落结构。 精品文档

精品文档 柱状图（图5） 横轴：各样品的编号。 纵轴：相对丰度比例。 图标解读： Ø 颜色对应此分类学水平下各物种名称，不同色块宽度表示不同物种相对丰度比例； Ø 可以在不同分类学水平下作图分析。 饼状图（图6） 在某一分类学水平上，不同菌群所占的相对丰度比例。不同颜色代表不同的物种。 5. 样品OTU 分布Venn 图 精品文档 精品文档 用于统计多个样品中共有或独有的OTU数目，可以比较直观地表现各环境样品之间的OTU 组成相似程度。 不同样品用不同颜色标记，各个数字代表了某个样品独有或几种样品共有的OTU 数量，对应的OTU编号会以EXCEL 表的形式在结题报告中呈现。

分析要求 单张分析图，样本分组至少两个，最多5 个。 Ø 默认设置为97% 相似度水平下以OTU 为单位进行分析作图。 6. Heatmap 图 用颜色变化来反映二维矩阵或表格中的数据信息，它可以直观地将数据值的大小以定义的颜色深浅表示出来。将高丰度和低丰度的物种分块聚集，通过颜色梯度及相似程度来反映多个样品在各分类水平上群落组成的相似性和差异性。 精品文档

精品文档

相对丰度比例： 热图（图8）中每小格代表其所在样品中某个OTU 的相对丰度。以图8为例，红框高亮的小格所对应的信息为：样本（R11-1Z）中OTU（OTU128）的相对丰度比例大概为0.2%。 丰度比例计算公式（Bray Curtis 算法）：

其中， SA,i = 表示A样品中第i个OTU所含的序列数 SB,i = 表示B样品中第i个OTU所含的序列数 样品间聚类关系树： 进化树表示在选用成图数据中，样本与样本间序列的进化关系（差异关系）。处于同一分支内的样品序列进化关系相近。 物种/OTU 丰度相似性树： 精品文档 精品文档 丰度相似性树表示选用成图的数据中样品与样品中的OTU 或序列在丰度上的相似程度。丰度最相近的会分配到同一分支上。 客户自定义分组：根据研究需求对菌群物种/OTU 研究样本进行二级分组 Ø 二级物种/OTU 分组：将下级分类学水平物种或OTU 分配到对应的上级分类学水平，以不同颜色区分； Ø 二级样品分组：根据研究需要，对样品进行人为的分组，以不同颜色区分。 7. 主成分分析PCA (Principal Component Analysis) 在多元统计分析中，主成分分析是一种简化数据集的技术。主成分分析经常用于减少数据集的维数，同时保持数据集中对方差贡献最大的特征，从而有效地找出数据中最“主要”的元素和结构，去除噪音和冗余，将原有的复杂数据降维，揭示隐藏在复杂数据背后的简单结构。 通过分析不同样品的OTU 组成可以反映样品间的差异和距离，PCA 运用方差分解，将多组数据的差异反映在二维坐标图上，坐标轴为能够最大程度反映方差的两个特征值。如样品组成越相似，反映在PCA图中的距离越近。

横轴和纵轴：以百分数的形式体现主成分主要影响程度。以图9为例，主成分1（PC1）和主成分2（PC2）是造成四组样品（红色，蓝色，黄色和绿色）的两个最大差异特征，贡献率分别为41.1% 和27.1%。 十字交叉线：在图9中作为0 点基线存在，起到辅助分析的作用，本身没有意义。 图例解读： Ø PCA 分析图是基于每个样品中所含有的全部OTU 完成的； Ø 图9中每个点代表了一个样本；颜色则代表不同的样品分组； Ø 两点之间在横、纵坐标上的距离，代表了样品受主成分（PC1 或 PC2）影响下的相似性距离；